論文の概要: Zoom, Enhance! Measuring Surveillance GAN Up-sampling
- arxiv url: http://arxiv.org/abs/2108.09285v1
- Date: Fri, 20 Aug 2021 17:21:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-23 13:19:44.413536
- Title: Zoom, Enhance! Measuring Surveillance GAN Up-sampling
- Title（参考訳）: Zoom, Enhance!
サーベイランスGANアップサンプリングの測定
- Authors: Jake Sparkman and Abdalla Al-Ayrot and Utkarsh Contractor
- Abstract要約: 我々は、セキュリティと監視の分野におけるアップサンプリング技術を試すために、CNNとGANの応用を拡張した。
我々は、監視領域におけるGANベースのイメージアップサンプリングを比較するために、DisTSを強力な画像品質評価(IQA)指標として確立する実験的な証拠を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep Neural Networks have been very successfully used for many computer
vision and pattern recognition applications. While Convolutional Neural
Networks(CNNs) have shown the path to state of art image classifications,
Generative Adversarial Networks or GANs have provided state of art capabilities
in image generation. In this paper we extend the applications of CNNs and GANs
to experiment with up-sampling techniques in the domains of security and
surveillance. Through this work we evaluate, compare and contrast the state of
art techniques in both CNN and GAN based image and video up-sampling in the
surveillance domain. As a result of this study we also provide experimental
evidence to establish DISTS as a stronger Image Quality Assessment(IQA) metric
for comparing GAN Based Image Up-sampling in the surveillance domain.
- Abstract（参考訳）: ディープニューラルネットワークは多くのコンピュータビジョンやパターン認識アプリケーションで非常にうまく使われている。
畳み込みニューラルネットワーク(CNN)は、アートイメージの分類の状況を示す一方で、ジェネレーティブ・アドバイサル・ネットワーク(GAN)は、画像生成におけるアート機能の状態を提供する。
本稿では,cnnとgansのセキュリティおよび監視分野におけるアップサンプリング手法を実験するために,その適用範囲を拡張した。
この研究を通じて,監視領域におけるcnnおよびganに基づく画像およびビデオのアップサンプリングにおけるアート技術の評価,比較,対比を行う。
本研究は, 監視領域におけるGANベースのイメージアップサンプリングを比較するための強力な画像品質評価(IQA)指標として, DISTSを確立するための実験的証拠を提供する。
関連論文リスト
- A comparative study of generative adversarial networks for image recognition algorithms based on deep learning and traditional methods [34.1086022278394]
本研究の目的は,画像認識分野におけるディープラーニング技術,特にGANのメリットと応用可能性を評価することである。
画像生成と認識におけるGANの動作原理,ネットワーク構造,およびユニークな利点を紹介する。
実験の結果,GANは従来の手法と比較して,複雑な画像の処理,認識精度,アンチノイズ能力に優れていた。
論文 参考訳（メタデータ） (2024-08-07T06:11:25Z) - ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and
Multispectral Data Fusion [54.668445421149364]
HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。
本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
論文 参考訳（メタデータ） (2023-10-11T07:30:37Z) - Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。
提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。
提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文 参考訳（メタデータ） (2023-03-17T18:00:27Z) - Generative Adversarial Networks for Image Super-Resolution: A Survey [101.39605080291783]
単一画像超解像(SISR)は画像処理の分野で重要な役割を果たしている。
近年のGAN(Generative Adversarial Network)は,小サンプルを用いた低解像度画像に対して優れた結果が得られる。
本稿では,異なる視点からGANの比較研究を行う。
論文 参考訳（メタデータ） (2022-04-28T16:35:04Z) - Detecting High-Quality GAN-Generated Face Images using Neural Networks [23.388645531702597]
本稿では,スペクトル帯域差を利用したGAN生成画像と実画像との区別手法を提案する。
特に,クロスバンド共起行列と空間共起行列を用いて,顔画像のデジタル保存を可能にする。
性能向上は特に重要であり、異なる後処理環境において92%以上を達成することを示す。
論文 参考訳（メタデータ） (2022-03-03T13:53:27Z) - Segmentation of Roads in Satellite Images using specially modified U-Net
CNNs [0.0]
本研究の目的は,道路画像の特定を行う都市景観の衛星画像の分類器を構築することである。
従来のコンピュータビジョンアルゴリズムとは異なり、畳み込みニューラルネットワーク(CNN)はこのタスクに対して正確で信頼性の高い結果を提供する。
論文 参考訳（メタデータ） (2021-09-29T19:08:32Z) - Consumer Image Quality Prediction using Recurrent Neural Networks for
Spatial Pooling [13.750624267664156]
本稿では、リカレントニューラルネットワーク(RNN)を用いて、人間の視覚系(HVS)の注意機構を模倣する画像品質モデルを提案する。
最近発表された2つの画像品質データセットの解像度の異なる画像を用いて行った実験により、提案手法の品質予測精度は、最先端技術を表すベンチマークモデルと競合することを示した。
論文 参考訳（メタデータ） (2021-06-02T03:31:44Z) - Enhancing Photorealism Enhancement [83.88433283714461]
本稿では,畳み込みネットワークを用いた合成画像のリアリズム向上手法を提案する。
一般的に使用されるデータセットのシーンレイアウトの分布を分析し、重要な方法で異なることを見つけます。
近年のイメージ・ツー・イメージ翻訳法と比較して,安定性とリアリズムの大幅な向上が報告されている。
論文 参考訳（メタデータ） (2021-05-10T19:00:49Z) - Video-based Facial Expression Recognition using Graph Convolutional
Networks [57.980827038988735]
我々は、ビデオベースの表情認識のための共通のCNN-RNNモデルに、GCN(Graph Convolutional Network)層を導入する。
我々は、CK+、Oulu-CASIA、MMIの3つの広く使われているデータセットと、AFEW8.0の挑戦的なワイルドデータセットについて、本手法の評価を行った。
論文 参考訳（メタデータ） (2020-10-26T07:31:51Z) - Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。
本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文 参考訳（メタデータ） (2020-08-19T03:54:23Z) - HyNNA: Improved Performance for Neuromorphic Vision Sensor based
Surveillance using Hybrid Neural Network Architecture [7.293414498855147]
領域提案のための形態素画像処理アルゴリズムを用いて,最近提案されたハイブリッドイベントフレームアプローチを改善した。
また、様々な畳み込みニューラルネットワーク(CNN)アーキテクチャを探索することにより、オブジェクト検出と分類の低消費電力要求にも対処する。
具体的には、対象検出フレームワークから得られた結果を最先端の低出力NVS監視システムと比較し、63.1%から82.16%の改善精度を示した。
論文 参考訳（メタデータ） (2020-03-19T07:18:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。